豚肩ロースの十二の名前
私たちのバックオフィスには、これまでのすべての注文と、およそ1,900の商品名が入っていた。それでも、何がいちばん売れているのかは教えてくれなかった。小さなモデルが、問いかけることを覚えるまでは。
Jordan大阪その行には BONFILE 2-3 kg とだけあった。注文記録のひとつに、自分が何を言いたいのかをよく分かっている誰かが打ち込んだものだ。Bonfile はヒレのこと。うちのデスクの誰に聞いても、そう答える。だが、その一行だけを見て、それが豚だったのか牛だったのかを言える者はいなかった。
MeatBorsaでは食肉のトレーディングデスクを運営し、MakeBetterではこの商いのための道具をつくっている。長いあいだ、私は自分たちが何を売っているか分かっているつもりでいた。注文はひとつ残らず知っていた。知らなかったのは、その総和だった。
ひとつの商品に、十いくつもの名前
私たちのデスクは BOSSで回っている。毎日使っているバックオフィスだ。注文、書類、請求書、トラック、冷蔵倉庫の在庫、支払い。すべてがそこにあり、注文ごとに一件の記録になっている。そこでの利益は、取引がまとまった日の希望的な利益ではない。トラック代と保険と冷蔵倉庫での日数を差し引いたあと、つまり肉がもうお金を食わなくなったあとに算出される。
だから数字は確かだった。確かでなかったのは言葉のほうだ。BOSSの中には約1,900種類の商品名があり、そのどれもが、売り手や買い手が書いてきたものをもとに、人の手で打ち込まれていた。売り手は自分の言葉で書く。買い手も自分の言葉で書く。どちらも、レポートのために書いているわけではない。
豚肩ロースを例にとろう。記録の中でそれは Pork neck だった。Schweinekamm でもあり、Karkówka でもあり、karczek でもあり、途中でアクセント記号をなくした Karkowka でもあった。Collar of pork でもあり、Pork Collar / Neck でもあり、Свински врат でもあった。一頭の動物の一か所から取れるひとつの部位に、十いくつもの書き方がある。人がこのリストを読めば、ひとつの商品が見える。レポートが読めば十いくつもの商品が見え、そのどれもが真実の薄い一切れでしかない。
デスクを通ったすべてのキロの記録がありながら、何がいちばん売れているのかを言えなかった。
月曜日の問い
私たちが答えを求めていたのは、トレーダーが口にしうるいちばん素朴な問いだった。どの基本商品がいちばん売れていて、利益はどれだけか。どの注文か、ではない。どの商品か、だ。月曜日になるたびにレポートは届き、月曜日になるたびに別の問いに答えていた。すなわち、どの綴りがいちばん売れたか。
私たちは、デスクならどこでもすることをした。誰かがスプレッドシートをつくり、片側に名前を、もう片側に、判断できるかぎりでの本当の商品を並べた。丁寧な仕事だったが、保存したとたんに古くなりはじめた。新しい注文は新しい名前を連れてくるからだ。本当に答えが必要になるたびに、分析はひとつのプロジェクトになった。誰かの注意をしばらく奪い、ひとつの結果を出し、それからまた、ゆっくりと分からない状態へ戻っていく。
問題は綴りよりも根が深かった。動物の種類さえ分からないことがよくあったのだ。Bonfile は何かのヒレである。トマホークは牛かもしれないし、豚かもしれないし、ラムかもしれない。そして国境をまたぐ商いでは、「Turkey」は鳥であるのと同じくらい国の名前でもある。リストに目を凝らすトレーダーなら、たいていは決着をつけられた。その取引を覚えているからだ。リストそのものは、何も覚えていなかった。
あらゆるものを読んだモデル
まず思いつくのは、名前を汎用のチャットボットに渡すことだった。頼めば契約書でも詩でも書いてくれる、大きな汎用モデルだ。実際に渡してみた。正答率は55%に届かなかった。遅く、それなりに高くもついたが、それは二の次の不満だった。ほぼ二回に一回間違える読み取りの上に、レポートは築けない。結局は一行ずつ確かめなければならず、しかも今度は自分の仕事ではなく、機械の仕事を確かめることになる。
失敗の原因が大きさにあったとは思わない。あらゆることを少しずつ読んだモデルは、トラック単位で肉を売る人々が、わずかな言葉で、手近な言語で書いたものを、ほとんど読んでいない。
問いかける小さなモデル
そこで同じ名前を CarcassAIに渡した。問題はその場で片づいた。ここで苦闘の物語を語りたいところだが、苦闘はなかった。
CarcassAIは、MakeBetterのすべてのツールの土台にある商品知識だ。約1,000の食肉商品を持ち、それぞれにIDがひとつずつある。誤字も含め、18の言語で書かれたおよそ7,000の名前を読み取り、26のカット規格を対応づけている。同じ枝肉でも、誰の規格が包丁を導くかによって分け方が変わるからだ。
CarcassAIは商品の一行を二度読む。まずルールが読む。ルールは決定的で、同じリリースなら同じ行には同じ答えを返す。次にCarcassが読む。MeatBorsaが自ら訓練している小さなモデルで、トレーダーが確認したあらゆる判断から学んでいる。ふたつの読みが食い違うとき、あるいは行の意味がはっきりしないときは、人が決める。そしてその判断が、次の学びになる。
私にとっては、速さよりも大事な癖が三つある。推測をしないこと。BONFILE を渡されると「どの動物ですか」と尋ね、答えを待つ。売り手が書いたものを決して書き換えないこと。読み取りは売り手の言葉の隣に置かれるので、原文はいつでも照らし合わせられる。そして、外に送るものがごくわずかであること。送られるのは商品を表す語句だけで、顧客も価格も含まれず、行き先はEUにあるMeatBorsa自身のサーバー上の小さなモデルだ。
公表されている数字はこうだ。一度も見たことのない売り手の行でも、94.6%の確率で正しい商品にたどり着く。ひととおりの読み取りにかかる時間は中央値で29ミリ秒。最初の数字は100ではないし、設計もそうであるふりはしない。だからこそ、あの問いかけがあり、あの待ち時間がある。
プロジェクトにならないレポート
デスクで変わったことは、説明すれば簡単だ。新しい注文の行は、届いたそばからリアルタイムで、安く速く読み取られる。もう誰も分析を始めない。分析は終わることがなく、古くなることもないからだ。ただ、そこにある。豚肩ロースは、その日どう呼ばれていようと、ふたたびひとつの商品になった。
下の図はサンプルで、私たち自身の数字ではなく説明用のデータで描いている。それでもその形は、以前の私たちには描けなかったものだ。動物ごと、さらに商品ごとの売上。各タイルの大きさは売れた量を表し、そこに利益が記されている。
説明用の数値です。 タイルにカーソルを合わせるかタップすると数値が表示されます。
数値を表で見る
| 動物 | 商品 | 売上構成比 | Margin | BOSS上の名前 |
|---|---|---|---|---|
| 豚肉 | 豚バラ | 9.8% | 7.9% | 186 |
| 豚肉 | 豚肩ロース | 7.6% | 11.2% | 148 |
| 豚肉 | 豚肩肉 | 6.9% | 6.4% | 118 |
| 豚肉 | 豚ロース | 5.8% | 8.8% | 97 |
| 豚肉 | 豚もも | 4.6% | 5.1% | 88 |
| 豚肉 | 豚スペアリブ | 3.5% | 12.6% | 71 |
| 豚肉 | 豚背脂 | 2.4% | 4.2% | 52 |
| 豚肉 | 豚ヒレ | 2.1% | 13.9% | 49 |
| 豚肉 | 豚すね | 1.3% | 9.1% | 38 |
| 牛肉 | 牛ストリップロイン | 5.9% | 9.4% | 88 |
| 牛肉 | 牛ヒレ | 5.2% | 10.8% | 83 |
| 牛肉 | 牛リブアイロール | 4.8% | 9.9% | 72 |
| 牛肉 | 牛チャックロール | 3.6% | 7.2% | 51 |
| 牛肉 | 牛うちもも(トップサイド) | 3.1% | 6.1% | 46 |
| 牛肉 | 牛ブリスケット | 2.6% | 8.3% | 39 |
| 牛肉 | 牛しんたま(ナックル) | 1.8% | 5.7% | 32 |
| 家禽 | 鶏むね肉フィレ | 6.4% | 4.9% | 157 |
| 家禽 | 鶏骨付きもも | 4.9% | 3.8% | 109 |
| 家禽 | 鶏手羽 | 3.2% | 6.7% | 74 |
| 家禽 | 七面鳥むね肉 | 2.6% | 5.5% | 63 |
| 家禽 | 鴨むね肉 | 1.9% | 9.6% | 41 |
| ラム・仔牛 | ラムもも | 3.1% | 10.4% | 58 |
| ラム・仔牛 | ラムラック | 2.4% | 14.1% | 44 |
| ラム・仔牛 | ラム肩肉 | 2.0% | 8.2% | 39 |
| ラム・仔牛 | 仔牛ロース | 1.5% | 9.0% | 34 |
| ラム・仔牛 | 仔牛すね肉 | 1.0% | 7.4% | 23 |
| すべての商品 | 100% | 1,900 |
こういうグラフはありふれて見える。そう見えるべきなのだ。この話の奇妙なところはそこにある。ここに新しい情報はひとつもない。すべてのキロも、すべての請求書も、冷蔵倉庫でのすべての日数も、もともとBOSSの中にあった。欠けていたのは、ものの呼び名についての合意だけだった。
トレーディングデスクが知っていることの多くは、こうして隠れているのだと思うようになった。誰も持っていないデータの中にではなく、誰も突き合わせてこなかった名前の中に。名前は商品ではない。ある日、ある言語で、ある買い手のために、誰かがその商品をそう呼んだというだけのことだ。打ち込んだ人たちにとって、名前は完全に明快だった。読めなかったのは、レポートのほうだけだった。
その行には今も BONFILE 2-3 kg とある。私たちは直していないし、これからも直さない。売り手がそう書いたのだから。その隣にはいま読み取りがあり、読み取りの前にはひとつの問いがあって、うちのトレーダーのひとりがそれに答えた。あのリストを付けてきた年月のなかで、リストのほうから私たちに何かを尋ねてきたのは、それが初めてだった。